Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan utama yang sering dihadapi oleh perusahaan asuransi adalah mengestimasi cadangan klaim. Perhitungan estimasi cadangan klaim yang dilakukan secara kurang tepat akan memengaruhi kelangsungan usaha dari perusahaan asuransi. Metode estimasi cadangan klaim yang paling sering digunakan di dunia asuransi adalah metode Chain-Ladder dan variasinya. Selain metode tersebut, Peters, Targino dan Wuthrich (2017) mengembangkan metode yaitu gamma-gamma Bayesian Chain-Ladder. Metode ini merupakan metode Bayesian Chain-Ladder yang menggunakan distribusi gamma yang memiliki rentang prediksi cadangan klaim yang relatif kecil.

Pada penelitian ini penghitungan terhadap rentang prediksi cadangan klaim dilakukan menggunakan model gamma-gamma Bayesian Chain-Ladder. Tujuan utama pada penelitian ini yaitu menerapkan proses penghitungan rentang prediksi dengan model gamma-gamma Bayesian Chain-Ladder pada konteks perusahaan asuransi XYZ di Indonesia, serta membandingkannya dengan metode Chain-Ladder. Data yang digunakan dalam penelitian ini adalah data klaim produk asuransi kendaraan bermotor perusahaan asuransi XYZ tahun 2014 sampai dengan 2016. Hasil rentang prediksi berdasarkan nilai MSEP model gamma-gamma Bayesian chain-ladder tahun 2014 sampai dengan 2016 relatif lebih kecil dibandingkan dengan MSEP chain-ladder model Mack.

---

The Main problem often faced by insurance companies is estimating claim reserve. The calculation of claim reserve that is undertaken inaccurately will affect the business operations of the insurance company. The claim reserve estimation method that is commonly undertaken called Chain-Ladder method and its variations. Besides, Peters, Targino and Wuthrich (2017) develop a method namely gamma-gamma Bayesian Chain-Ladder. This is a Bayesian Chain-Ladder method that uses a gamma distribution and has the prediction range of claim reserve that relatively small.

This research performs the calculation of the prediction range claim reserve that uses the gamma-gamma Bayesian Chain-Ladder model. The main purpose of this research is implementing the process of calculation prediction range with the gamma-gamma Bayesian Chain-Ladder model in the context of XYZ insurance companies in Indonesia, and compare it with the Chain-Ladder classic method. The data used in this study is the claim data for motor vehicle insurance products for XYZ insurance companies from 2014 to 2016. The results of the prediction range based on the MSEP value of the gamma-gamma Bayesian Chain-Ladder model from 2014 to 2016 relatively smaller compared to the Macks MSEP chain-ladder model."

"Asuransi kendaraaan bermotor diharuskan membuat cadangan untuk memastikan bahwa perusahaan tersebut dapat memenuhi kewajibannya. Metode chain ladder adalah salah satu metode pencadangan klaim yang paling banyak digunakan. Akan tetapi, metode chain ladder ini rentan terhadap outlier. Karya akhir ini fokus pada pencadangan klaim yang resisten terhadap data outlier dengan menggunakan metode robust chain ladder. Ada dua tahapan dalam merobust metode chain ladder, tahap pertama yaitu mendeteksi data outlier dengan menggunakan median sebagai development faktor dan kemudian memodifikasi nilai dari outlier tersebut. Langkah kedua adalah mengaplikasikan metode chain ladder klasik pada data yang telah dilakukan modifikasi tersebut. Studi ini menunjukan bahwa metode robust chain ladder memberikan hasil yang lebih baik dibandingkan dengan chain ladder klasik.

---

in a motor vehicle insurance business an insurer needs to build up a reserve to ensure the company can fulfill its obligation. Chain ladder is one of the most widely used method in claim reserving. However, chain ladder method is very vulnerable to outlier. This study focused on claim reserving that resistant to outlier data by using robust chain ladder. There are two step to robustify chain ladder method. The first step is to detect outlier by using median as development factor to compute the residual, and adjust the outlying values. The second step is apply a classic chain ladder method to the adjusted data. This study show that robust chain ladder has a better result than a standard chain ladder method."

"Memperkirakan cadangan kewajiban terhutang adalah penting dalam menjaga keseimbangan solvabilitas keuangan pada perusahaan asuransi umum. Porsi terbesar dan terpenting dari cadangan kewajiban terhutang adalah cadangan klaim terhutang. Penelitian ini mencoba melakukan estimasi perhitungan cadangan klaim dengan menggunakan pendekatan model Munich Chain Ladder. Model Munich Chain Ladder dalam hal ini menggunakan pendekatan metode Chain Ladder klasik, serta korelasi antara nilai pembayaran klaim (paid) dengan nilai pelaporan klaim (incurred). Dengan menggunakan data masa lalu, sebuah estimasi cadangan klaim IBNR akan dihitung dengan menggunakan model Munich Chain Ladder.

---

Estimating outstanding liability is very important in maintaining financial solvency of a general insurance company. The largest and most important outstanding liability is outstanding claim reserves portion. This study is tried to estimate claim reserve by using Munich Chain Ladder. The Munich Chain Ladder is using a classical Chain Ladder method approach as the basic framework, and then utilizes the correlation between the paid and incurred claim data to calibrate the proposed model prediction. By using past data, a claim reserve will be calculated."

"ABSTRAKPenelitian mengenai perhitungan jumlah klaim sudah banyak dilakukan orang dengan menggunakan beberapa model pendekatan, diantaranya adalah penelitian yang dilakukan oleh David dan Jemma 2015 serta Valeck 2016 . Salah satu model yang sering digunakan dan telah menjadi standart practice untuk perhitungan jumlah klaim adalah model GLM Poisson dan juga Negative Binomial. Penelitian ini mereplikasi penelitian Fadzli 2015 yang menggunakan model Bayesian Quantile regression untuk perhitungan count data asuransi kendaraan bermotor di Malaysia.Dengan menggunakan model Bayesian Quantile regression, penelitian ini memodelkan banyaknya jumlah klaim kendaraan bermotor berdasarkan umur, kapasitas, jenis dan wilayah klaim. Sampel data yang digunakan pada penelitian ini adalah data frekuensi klaim perusahaan asuransi kendaraan bermotor PT. ABC selama periode 2015 - 2016. Hasil penelitian menunjukan kuantil ke-75 merupakan model terbaik untuk Bayesian Quantile regression. Model ini juga lebih baik dibandingkan dengan Mean Regression, Poisson Regression dan juga Negative Binomial Regression. Umur kendaraan satu tahun, kendaraan dengan kapasitas lebih dari 2500cc , jenis kendaraan Sedan serta wilayah klaim Depok menjadi rating classes dengan risiko tertinggi untuk setiap rating factor.

---

ABSTRACTThe research on the calculation of the claim frequency has been done by many researchers using several models of approaches, including research conducted by David and Jemma 2015 and Valeck 2016 . One model that is often used and has become a standard practice for the calculation of claim frequency is a GLM model Poisson and Negative Binomial. This study replicates the Fadzli 2015 study using the Bayesian Quantile Regression model for count data of vehicle insurance in Malaysia.Using the Bayesian Quantile Regression model, this study modeled claim frequency of vehicle insurance claims based on age, capacity, type and claim area. Sample data used in this research is claim frequency data of vehicle insurance company PT. ABC during the period 2015 2016. The results show the 75th quantile is the best model for Bayesian Quantile Regression. This model is also better than the Mean Regression, Poisson Regression and also Negative Binomial Regression. One year vehicle lifespan, vehicles with capacity greater than 2500cc, Sedan and claims area Depok become rating classes with highest risk for each rating factor."

"Pada perusahaan asuransi bisnis long-tail (penyelesaian klaim ≥ 1 tahun), perusahaan harus memiliki cadangan klaim untuk membayar klaim pada masa yang akan datang. Metode yang sering digunakan untuk perhitungan prediksi cadangan klaim adalah Chain Ladder (CL) yang dihitung berdasarkan pola dari klaim yang sudah dibayarkan. Namun, CL tidak dapat memberikan hasil prediksi cadangan klaim yang akurat, karena dari pendefinisiannya CL sangat bergantung dengan data. Padahal, data tersebut dapat mengandung outlier, atau tidak memadai. Ketika hal ini terjadi, maka aktuaris seringkali menggunakan penilaian subyektif mereka dengan menyesuaikan perhitungan dan dapat memberikan hasil yang berbeda-beda. Hasil yang berbeda-beda menyebabkan adanya ketidakpastian akan hasil yang didapat. Pada skripsi ini, dikenalkan metode Fuzzy Chain Ladder (FCL) yang menggabungkan metode CL dengan triangular fuzzy number (TFN) agar dapat mempertimbangkan ketidakpastian terhadap perhitungan. Berbeda dengan CL yang menghasilkan satu nilai cadangan klaim, FCL menerapkan TFN pada perhitungannya sehingga menghasilkan besar cadangan klaim dalam bentuk kisaran atau range. Dalam range tersebut, aktuaris dapat memilih nilai cadangan klaim berdasarkan penilaian subyektif mereka sehingga diharapkan metode FCL dapat mempertimbangkan adanya ketidakpastian tersebut. Selanjutnya, dilakukan analisis perhitungan prediksi cadangan klaim dari data klaim asuransi umum kelautan menggunakan FCL dibandingkan dengan metode CL.

---

In long-tail business insurance (settlement period ≥ 1 year), companies must have claim reserve to pay claims in the future. The method often used for calculating claims reserve is Chain Ladder (CL) that is calculated based on the pattern of paid claims. However, CL cannot provide accurate claims reserve predictions, because the definition of CL is dependent on data. In fact, these data can contain outliers, inadequate. When this happens, actuaries often use their subjective judgment by adjusting calculations and can produce different results. Different results cause uncertainty about the obtained results. In this thesis, a method called Fuzzy Chain Ladder (FCL) is introduced which combines CL with triangular fuzzy number (TFN) to consider uncertainty regarding calculations. In contrast to CL which produces a single value of claim reserves, FCL applies TFN to its calculation to produce many claims reserves in the form of ranges. Within that range, actuaries can choose the value of claims reserves based on their subjective judgement so that the FCL method can be expected to consider the existence of these uncertainties. Furthermore, an analysis of the prediction of claim reserves from the general marine insurance claim data is analyzed using FCL compared to the CL method."

"ABSTRAKSaat ini nilai klaim IBNR (Incurred But Not Reported) dihitung berdasarkan estimasi sentral atau estimasi terbaik (best estimates) atas klaim yang sudah terjadi tetapi belum dilaporkan dengan menggunakan metode rasio klaim atau salah satu dari metode segitiga (triangle method). Metode segitiga yang digunakan dalam industri asuransi adalah metode Chain Ladder (MCL). MCL adalah metode yang umum digunakan di industri asuransi untuk memperkirakan jumlah cadangan klaim. Namun, MCL tidak didasarkan atas teori matematika maupun statistik sehingga sulit dijelaskan secara teori, selain itu jumlah cadangan klaim yang dihasilkan tidak dapat dipisahkan ke dalam RBNS (Reported but Not Settled) dan IBNR. Melalui jurnal yang ditulis oleh Miranda et al. (2012) diperkenalkan metode baru yang disebut Double Chain Ladder (DCL), dimana MCL diaplikasikan dua kali terhadap incurred count dan paid claims data. DCL memberikan teori statistika terhadap MCL, dengan menggunakan parameter-paremeter tertentu untuk mengestimasi RBNS dan IBNR dengan menambahkan parameter delay time dari klaim dilaporkan sampai dengan klaim dibayarkan. Hasil perhitungan cadangan berdasarkan DCL untuk RBNS adalah sebesar Rp. 37.169.681.816,00 dan IBNR sebesar Rp. 58.280.429.263,60, sehingga total cadangan klaim sebesar Rp. 95.450.110.000,00. Sedangkan cadangan klaim dengan MCL adalah sebesar Rp. 85.750.734.043,00.

---

ABSTRACTCurrently the calculation of the amount of IBNR value in accordance with the technical provisions can be calculated based on central estimates or best estimates on claim incurred but not reported using the expected loss ratio method or one of the methods of the triangle (triangle method). The One triangle method used in the insurance industry is the Chain Ladder Method (CLM). CLM is an actuarial method which is quite well known in the insurance industry and applied to estimate the amount of loss reserves. CLM was not based on mathematical statistics so it is difficult to justify theoretically, and CLM is incapable of dividing predicted outstanding liabilities into RBNS and IBNR claims.. However, according to Maria Dolores Martinez Miranda, Jens Perch Nielsen and Richard Verrall through journals published in Astin Bulletin, the CLM unable to separate claim estimates into into RBNS part and IBNR part as a component in the claim reserve. Through the journal introduced a new method called the Double Chain Ladder (DCL). DCL replicated CLM and applied twice, one on the incurred count data and then on the paid claims to perform the calculation of estimated outstanding claims can separate RBNS and IBNR as component of claim reserves as and thus to the total combined future payment estimate. The DCL model give statistic theory to CLM by using a particular estimation parameter method and adding delay time parameter from claim is reported until it is paid. DCL provide further result that CLM is unable to provide, such as the prediction of outstanding liabilities separately for RBNS and IBNR Claims. Calculation result for RBNS is Rp. 37.169.681.816,00 and IBNR is Rp. 58.280.429.263,60, so total claim reserve is Rp. 95.450.110.000,00. Claim reserve using MCL is Rp. 85.750.734.043,00."

"ABSTRAKPerusahaan asuransi wajib menyiapkan cadangan klaim untuk membayar klaim yang diajukan pemegang polis. Cadangan klaim terdiri dari cadangan untuk klaim-klaim yang sudah dilaporkan tetapi masih dalam proses penyelesaian reported claims disebut juga cadangan klaim RBNS Reported but Not Settled, dan cadangan untuk klaim-klaim yang sudah terjadi tetapi belum dilaporkan unreported claims disebut juga cadangan klaim IBNR Incurred but Not Reported. Perusahaan asuransi memprediksi cadangan klaim menggunakan data run-off triangle. Terdapat dua jenis data run-off triangle yaitu data besar klaim dan data banyak klaim. Metode Chain Ladder CL merupakan metode yang sering digunakan untuk mengestimasi besarnya cadangan klaim. Pada metode CL, cadangan klaim diestimasi menggunakan run-off triangle data besar klaim dengan cara memprediksi pola pembayaran dari data yang digunakan kemudian menggunakan pola tersebut untuk memprediksi cadangan klaim. Namun cadangan klaim yang dihasilkan metode CL tidak terpisah antara cadangan klaim RBNS dan cadangan klaim IBNR. Oleh karena itu, pada skripsi ini digunakan metode Double Chain Ladder DCL, dimana metode ini berhubungan dengan metode CL. Metode DCL menerapkan metode CL pada dua run-off triangle, masing-masing berisi data besar klaim dan data banyak klaim. Adanya informasi tambahan dari run-off triangle data banyak klaim mengakibatkan cadangan klaim RBNS dan cadangan klaim IBNR dapat diprediksi terpisah.

---

ABSTRACTAn insurance company is required to set up a claims reserve to pay claims reported by the policyholders. There are two types of claims reserve Reported but Not Settled RBNS claims reserve and Incurred but Not Reported IBNR claims reserve. Insurance company predict a claims reserve using run off triangle data. There are two types of data in a run off triangle claims amount and number of claims. The Chain Ladder Method CLM is often used to estimate the claims reserve. In CLM, the estimate of the claims reserve may be determined using the run off triangle claims amount by calculated development pattern from the data and then calculated a predictive value of the claims reserve using that development pattern. But CLM unable to estimate the RBNS and IBNR reserves separately. The method used in this thesis is closely related to CLM and is called a Double Chain Ladder DCL method. The DCL method applies the Chain Ladder algorithm to two run off triangles, the run off triangle of claims amount and number of claims. The additional information from the run off triangle of the number of claims enable the DCL method to estimate the RBNS and IBNR reserves separately."

"Dinamika ekonomi yang terjadi di Indonesia pada periode 2015-2021 berdampak pada beberapa sektor salah satunya adalah perusahaan asuransi. Dampak yang terjadi yaitu peningkatan jumlah klaim dari pemegang polis terutama pada asuransi kredit akibat peningkatan kredit dengan kolektibilitas Non Performing Loan (NPL). Penelitian ini bertujuan untuk estimasi cadangan klaim pada asuransi kredit untuk mengantisipasi munculnya klaim pada saat proses atau klaim yang akan muncul di masa depan. Penggunaan metode estimasi yang sesuai akan menghasilkan cadangan klaim yang lebih efisien sehingga perusahaan asuransi lebih tepat dalam mengelola kinerja keuangan. Pada penelitian estimasi cadangan klaim IBNR asuransi kredit PT XYZ periode 2017 – 2021, digunakan pengembangan dari metode Chain Ladder, yaitu metode Munich Chain Ladder dan metode Bornhuetter-Ferguson. Pada metode Munich Chain Ladder, estimasi cadangan klaim menggunakan korelasi antara klaim yang dibayarkan (paid) dan klaim yang dilaporkan (incurred) dalam bentuk parameter development factor untuk menentukan proyeksi klaim. Pada metode Bornhuetter-Ferguson digunakan parameter tambahan berupa premi yang diperoleh dari pemegang polis untuk menghitung expected ultimate claim dalam menentukan cadangan klaim. Penelitian memperoleh hasil bahwa berdasarkan kriteria nilai MAD dan RMSE penggunaan metode Bornhuetter-Ferguson memberikan hasil yang lebih rendah dibandingkan metode Munich Chain Ladder.

---

The economic dynamics that occurred in Indonesia in the 2015-2021 period had an impact on several sectors, one of which was insurance companies. The impact that occurred was an increase in the number of claims from customers, especially on credit insurance due to an increase in credit with the collectability of Non Performing Loans (NPL). This research aims to estimate the claim reserve on credit insurance to anticipate the emergence of claims during processing or claims that will appear in the future. The use of an appropriate estimation method will result in a more efficient claim reserve so that insurance companies are more precise in managing financial performance. In the research on the estimation of IBNR reserves for credit insurance claims for PT XYZ for the period 2017 – 2021, the development of the Chain Ladder method is used, namely the Munich Chain Ladder (MCL) method and the Bornhuetter-Ferguson (BF) method. In the Munich Chain Ladder method, the estimated reserve of claims uses the correlation between paid claims and incurred claims in the form of development factor parameters to determine the projected claims. In the Bornhuetter-Ferguson method, additional parameters are used in the form of premiums obtained from customers to calculate the expected ultimate claim in determining claim reserves. The research found that based on the criteria for MAD and RMSE values, the use of the Bornhuetter-Ferguson method gave lower results than the Munich Chain Ladder method."

"Asuransi mobil adalah produk asuransi yang banyak digunakan di Indonesia. Namun, asuransi mobil memiliki potensi untuk kecurangan klaim yang menyebabkan kerugian bagi perusahaan dan pemegang polis. Penelitian ini bertujuan untuk merancang model prediksi deteksi kecurangan asuransi mobil di Indonesia menggunakan pendekatan machine learning. Supervised classifiers adalah salah satu teknik machine learning yang memiliki kemampuan untuk memprediksi kasus-kasus anomali. Supervised classifiers yang digunakan pada penelitian ini adalah Multilayer Perceptron (MLP), Decision Tree C4.5, dan Random Forest (RF). Penelitian ini menggunakan data real-world pada perusahaan asuransi mobil di Indonesia. Dataset memiliki distribusi tidak seimbang yang sangat tinggi antara data pemegang polis yang melakukan kecurangan dan pemegang polis yang sah. Penelitian ini menangani masalah dataset yang tidak seimbang dengan menggunakan Synthetic Minority Oversampling Technique (SMOTE) dan metode undersampling. Kinerja model dievaluasi melalui confusion matrix, Kurva ROC, dan parameter seperti sensitivitas. Penelitian ini menemukan bahwa Random Forest memberikan hasil terbaik dibandingkan dengan MLP dan Decision Tree C4.5.

---

Automobile insurance is widely used insurance product in Indonesia. However, automobile insurance has the potential for  fraudulent claim that leads to several consequences for the company and policyholder. This research aims to design a prediction model of automobile insurance fraud detection in Indonesia using a machine learning approach. Supervised classifiers is one of machine learning techniques that has the ability to predict anomaly cases. The proposed supervised classifiers are Multilayer Perceptron (MLP), Decision Tree C4.5, and Random Forest(RF). This research used real-world data on an automobile insurance company in Indonesia. The dataset has a high imbalanced distribution between the data of policyholders who commit fraud and legitimate. This study handles the imbalanced dataset problem by using the Synthetic Minority Oversampling Technique (SMOTE) and undersampling methods. The performance of models is evaluated through the confusion matrix, ROC Curve, and parameters such as sensitivity. This research found that Random Forest outperformed the results comparing to other classifiers."

"Incurred But Not Reported (IBNR) adalah salah satu bagian dari cadangan klaimyang harus disiapkan oleh perusahaan asuransi. Perusahaan asuransi di Indonesiaumumnya menggunakan metode Chain Ladder dalam membentuk cadangan IBNR.Hal ini juga berlaku di perusahaan asuransi jiwa ABC. Namun dikarenakan metodeChain Ladder hanya bergantung pada nilai klaim, maka nilai yang ekstrim akansangat memengaruhi ketepatan dari estimasi. Maka dari itu, metode Cape Coddirancang untuk mengatasi kekurangan dari metode Chain Ladder denganmenambahkan pertimbangan ekspektasi klaim melalui pendapatan premi. MetodeCape Cod juga dinilai sebagai best practice dalam melakukan estimasi cadanganIBNR. Penelitian dilakukan dengan tujuan untuk melihat penerapan metode CapeCod di perusahaan asuransi jiwa ABC dan apakah metode tersebut dapatmenghasilkan nilai yang lebih mendekati nilai sebenarnya. Dengan menggunakandata dari perusahaan asuransi jiwa ABC dengan tahun pengamatan 2016-2018,didapatkan nilai deviasi dan eror yang lebih rendah pada metode Cape Coddibandingkan dengan metode Chain Ladder untuk masing-masing tahun pengujian.Hasil penelitian ini sesuai dengan penelitian yang mengungkapkan bahwa metodeCape Cod akan menghasilkan nilai yang lebih mendekati nilai sebenarnyadibandingkan dengan metode Chain Ladder. Penelitian ini juga menyimpulkanbahwa metode Cape Cod dapat diterapkan pada perusahaan asuransi jiwa ABCuntuk mendapatkan nilai cadangan IBNR yang lebih mendekati nilai sebenarnya

---

Incurred But Not Reported (IBNR) is a part of the claim reserve that must be

prepared by insurance companies. In general, insurance companies in Indonesia

adopt Chain Ladder method to determine the IBNR reserves. This also applies to

the ABC life insurance company. However, because the Chain Ladder method only

depends on the value of the claim, the extreme value will greatly affect the accuracy

of the estimate. Therefore, the Cape Cod method is designed to overcome the

shortcomings of the Chain Ladder method by adding consideration of expected

claims through premium income. Cape Cod methos is considered as the best

practice for estimating IBNR reserves. This research was conducted at ABC life

insurance company with the aim of seeing the application of the Cape Cod method

and if the method can obtain a value closer to the true value. The results obtained

were lower error values in the Cape Cod method compared to the Chain Ladder

method for each testing year. The results of this study are consistent with previous

research which revealed that the accuracy of the Cape Cod method is better than

the Chain Ladder method. This study also concludes that the Cape Cod method can

be applied to ABC life insurance companies to obtain an IBNR reserve value that

is closer to its true value."